SERPINA6、BEX1、AGTR1、SLC26A3 与 LAPTM4B 是 HER2 阴性乳腺癌新辅助化疗耐药标志物

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-34138

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据说明

摘要

引言 乳腺癌患者对化疗的反应率差异很大。我们着手识别与化疗耐药相关的基因。我们分析了目前最大的单机构乳腺癌基因表达谱数据集，这些样本来自接受单一新辅助化疗方案（剂量密集的多柔比星和环磷酰胺）治疗前的乳腺癌患者。

方法 我们收集、进行基因表达谱分析并分析了178例HER2阴性乳腺肿瘤活检样本（M-bM-^@M-^XNKI数据集M-bM-^@M-^Y）。我们采用最近开发的一种检测不平衡差异信号（DIDS）的方法来识别治疗耐药的标志物。与传统方法相比，DIDS能够识别仅在非应答者样本的一小部分亚组中显示异常表达的标志物。

结果 我们发现了若干蒽环类化疗耐药的标志物。我们通过分析三个外部数据集验证了我们的发现，这些数据集总共包含456例HER2阴性样本。由于这些外部数据集包括接受不同治疗方案的患者，我们只能验证一般化疗耐药的标志物。

在NKI数据集与其他三个数据集中识别出的标志物存在高度显著的重叠。在四个数据集中的三个里，识别出了五个耐药标志物：SERPINA6、BEX1、AGTR1、SLC26A3和LAPTM4B（p值重叠<1e-6）。这五个基因所识别出的耐药肿瘤，仅凭ER状态或增殖情况是无法识别出来的。结论：这些基因的识别可能有助于更好地理解（临床上）观察到的化疗耐药所涉及的机制，并可能有助于识别那些化疗对缓解或生存无贡献的乳腺癌。我们收集了178例HER2阴性乳腺肿瘤活检样本，进行了基因表达谱分析，这些样本来自计划

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。